亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

生成式人工智能工具，如大型語言模型（LLMs），提供了多種方法來提高效率，改進從需求生成和管理到設計分析和正式測試的系統工程流程。大型采購項目可能尤其適合利用大型語言模型來幫助管理復雜的系統和系統的采購。然而，生成式人工智能工具容易出現各種錯誤。

我們的研究探索了當前大型語言模型生成、修改和查詢系統建模語言（SysML）v2 模型的能力。我們利用檢索增強生成（RAG）等技術為大型語言模型添加特定領域的知識，提高模型的準確性。我們介紹了一個初步案例研究，在該案例研究中，生成模型的提示次數降到了最低。還討論了大型語言模型的局限性以及未來與大型語言模型相關的系統工程研究。

基于模型的系統工程

國際系統工程理事會（INCOSE）將 MBSE 定義為 "正式應用建模來支持系統需求、設計、分析、驗證和確認活動，從概念設計階段開始，貫穿整個開發和后期生命周期階段"（INCOSE，2007 年）。傳統上，系統工程采用基于文檔的方法。然而，隨著系統和系統之系統的復雜性不斷增加，需要 "捕獲、分析、共享和管理與產品完整規范相關的信息"（Friedenthal 等人，2009 年）。在模型中捕獲這些信息可以讓多個利益相關者從各自的視角來看待系統，簡化系統工程師和特定領域工程師之間的協作，通過設計和驗證/確認活動來跟蹤需求，并在解決方案開發過程中提供一種正式的方法來識別、分析和跟蹤系統變化/缺陷（Carroll & Malins，2016）。

系統建模語言（SysML）

為實施 MBSE 方法，2006 年開發并采用了系統建模語言（SysML）v1.0 版，2007 年由對象管理集團（OMG）正式發布。SysML v1.6 于 2019 年正式發布，是 SysML v1.x 標準的最新版本。SysML v1.x是統一建模語言（UML）2標準的擴展，包含UML 2的部分（但不是全部）元素和一些新的SysML特定元素（OMG，n.d.）。SysML v1.x 是一種圖形語言，由九種圖表類型組成，其中每種圖表都代表了底層模型元素的一種視圖。

提高大型語言模型的響應速度

大型語言模型的好壞取決于它們所訓練的數據集。為了改進對特定領域請求的響應，通常需要通過以下方法之一為模型提供額外的背景：

• RAG 利用外部數據來增強大型語言模型的知識，而不改變基礎大型語言模型的參數（權重；Nucci，2024 年）。對于經常產生新知識的領域，或者當信息屬于專有/私有信息，用戶不希望將其作為大型語言模型訓練集的永久組成部分時，RAG 尤其有用（Nucci，2024 年）。

• 微調通過傳授大型語言模型的專業知識，對其內部參數進行微調（Nucci，2024 年）。Nucci 強調，只需調整少量參數，就能大大節省微調時間，而無需重新訓練整個模型。

• 快速工程

  • 零鏡頭提示是要求大型語言模型在第一次嘗試時就正確執行任務，即使該模型尚未針對特定任務接受過直接訓練（Oleszak，2024 年）。它們通常用于只需要一般知識的簡單任務，或者當特定領域的知識已包含在訓練集中或通過 RAG 或微調提供時。

  • 對于需要多步驟推理的更復雜任務，或者大型語言模型不了解特定領域知識時，可使用少量提示通過實例來教授大型語言模型（Oleszak，2024 年）。通過提供代碼語法示例，少量提示學習可用于正確格式化代碼。

還可以將上述方法結合起來。OpenAI 允許用戶創建自定義 GPT，在其中可以提供具體的說明，并提供一個上傳包含特定領域知識的文件的區域（OpenAI，2023）。這種將 RAG 與提示工程相結合的方法可使用戶減少完成復雜任務所需的提示次數，而這些任務模型并未經過專門訓練。

數據是開發和支持人工智能（AI）系統的重要組成部分，因此數據生命周期（包括收集、準備和整理）是人工智能生命周期的重要組成部分。確保數據的一致性、正確性和預期用途的代表性對于確保人工智能系統的有效性至關重要。數據驗證、確認和認證（VV&A）就是為了滿足這一需求。由于高質量的數據是人工智能模型的基礎，因此整個美國防部人工智能功能和分析工具的普及率急劇上升，這強調了統一理解數據 VV&A 的必要性。在實踐中，數據 VV&A 和相關活動通常以臨時方式使用，這可能會限制支持開發和測試人工智能能力的能力。然而，現有的美國防部數據 VV&A 框架和政策適用于人工智能生命周期，并體現了對人工智能系統測試和評估的重要支持活動。我們強調了數據 VV&A 的重要性，并討論了 DODI 5000.61 對人工智能模型及其相關數據的適用性。僅僅依靠政策中的定義會在解釋和實施方面留下問題，因此討論了一些潛在的關注點和最佳實踐，包括在人工智能系統生命周期的背景下考慮數據的 VV&A，鼓勵可重復性和透明度，以及利用現有框架和工具支持 VV&A。

美國防部對VV&A 數據的需求

• 目的：為模型、模擬、分布式模擬及其相關數據的 VV&A 制定政策、分配職責并規定程序。

• 適用性： 國防部各部門開發、使用、提供或管理的模型和模擬及相關數據，包括非國防部組織為支持國防部流程、產品或程序而使用的模型和模擬及相關數據。

• 政策：

  • 用于支持國防部流程、產品和決策的模型、模擬和相關數據應在其整個生命周期內進行驗證和確認 (V&V)。

  • 用于支持美國防部流程、產品和決策的模型、模擬和相關數據應根據預期用途進行認證。

長期以來，軍事采購項目一直飽受詬病，因為能力略有提高所需的開發成本卻呈指數級增長。為應對這一趨勢，最有前景的改革努力之一是開放式系統架構計劃，該計劃采用模塊化設計原則和商業接口標準，以此降低系統升級的成本和復雜性。雖然概念上很簡單，但實踐證明這一努力在實踐中卻異常困難。造成這種困難的主要原因是，開放式系統在開發的早期階段以額外的成本和風險換取日后注入技術的選擇權，但這種選擇權所帶來的好處本身就是不確定的。因此，實際實施需要一個決策支持框架，以確定這些不確定的未來收益何時值得當前承擔的成本和風險，但有大量證據表明，現有的設計方法不足以滿足這一需求。

本研究的目標是開發一個受軍事采購啟發的架構建模與評估框架，通過提供一種方法來衡量與開放系統相關的預期成本、效益和風險，從而解決這一差距。這項工作基于三個假設：(1) 未來技術注入的目的是跟上作戰需求的不確定性發展；(2) 成功的設計必須證明如何利用未來的升級來滿足這些需求；(3) 隨著新信息的不斷涌現，項目經理可以靈活調整之前的決策。有鑒于此，本方法學提出了一種新技術，將運行需求編碼為能力路線圖，而非傳統設計方法中使用的 "最壞情況 "標量值。然后，對現有的技術預測技術進行了新的調整，以此來確定如何利用未來的技術改進來有效地滿足路線圖中表達的需求，并提出了一種新的性能測量方法來量化替代性更新策略的相對價值。最后，受實物期權領域方法的啟發，將一系列決策支持啟發式方法與自動搜索程序相結合，以確定有助于靈活決策的策略，從而對沖不確定性。

然后，將所提出的方法應用于一個空中情報、監視和偵察平臺的示例場景，該平臺有可能在未來增量中升級其傳感器套件。該場景的能力路線圖改編自美國國防部信息主導團隊進行的真實世界貿易研究，預測模型則是通過評估過去十年中商業圖像處理技術的發展而開發的。本研究探討的具體問題是，應如何安排未來技術注入的時機和選擇，以最大程度地滿足成本、性能和風險方面的備選偏好。此外，這項研究還表明，就本研究中開發的性能指標而言，開放式系統架構和集成式系統架構之間的相對優勢和劣勢可以在成本效益框架的背景下進行展示，該框架目前被采購專業人員用于管理復雜的設計決策。本實驗的結論是，所提出的方法可以客觀地識別影響任意開放式系統設計問題的無數因素，并將其匯總到一個單一、直觀的可視化中。由于現有方法不具備這種能力，這就為所提出的方法是一種更優越的方法這一論點提供了相當大的支持。

現在，模擬被更頻繁地用于對現實世界或擬議系統進行實驗，以了解系統行為或評估改進策略。隨著時間的推移，大型企業越來越需要開發精密復雜的系統來與同行業競爭。而且，這些企業之間的聯系越來越緊密，就像一個網絡化的企業。這就進一步提高了開發能與其他企業互聯的越來越復雜的模擬的要求。在這方面，分布式仿真已廣泛應用于軍事領域，但在其他領域并沒有得到普及。這背后的原因是，在分布式仿真之間建立通信協議需要專業技術知識。科研行業一直在努力縮小這一差距，其中最重要的工作是制定高級架構（HLA）標準，為分布式仿真模型之間提供通用通信協議。

建模與仿真（M&S）行業也為開發人員提供了大量有關獨立仿真建模的文獻。在這種情況下，概念建模的重點是模型的準確性和效率，而不是互操作性。本研究也對此進行了詳細討論。直到最近，從業人員也一直在努力尋找對底層技術的支持。但隨著標準運行時基礎設施（RTI）和仿真開發平臺支持的引入，這一差距已經縮小。

HLA 標準承諾解決分布式仿真模型之間的互操作性問題，但只能提供語法層面的標準指南。因此，仿真互操作性標準組織（SISO）繼續開展研究，確定了從業人員在語義層面面臨的互操作性問題，并起草了一份互操作性問題清單。然而，已發布的 SISO-STD-006-2010 標準只指出了問題，卻沒有提供語義解決方案。

本研究的主要貢獻是提出了分布式仿真互操作性（DSI）框架，為《商用現成仿真包互操作性參考模型》（SISO-STD-006-2010）中列出的互操作性問題確定了語義解決方案。本研究建議將這些互操作性語義解決方案納入 HLA 對象建模模板規范。這樣做將有助于行業從業人員實現 HLA 的互操作性承諾，并使分布式仿真模型更具可重用性和可組合性。

適應性記憶（AC）是作為一種查找表（LUT）通用技術新推出的。它由一系列生成模型組成，其設計方式是學習每種算法的輸出。在本報告中，我們重點介紹基于條件生成對抗網絡（cGAN）的 AC 改進版。與之前的結構相比，新開發的生成式結構具有多項優勢。從本質上講，它不需要生成模型陣列。相反，兩個適當制作的生成模型就足夠了，從而大大縮短了整體寫入時間。此外，它還能在感興趣的區域提供更好的抑制水平。最后，它還能在抑制水平性能和損失函數衡量的生成保真度之間做出選擇。

認知雷達（CR）是當前雷達理論研究中一個引人注目的趨勢。盡管不同學者對這一概念的定義大相徑庭[11]，但這些定義都有其主要內容。例如，[12]、[10]和[6]認為從環境和經驗中學習是認知雷達的主要特征，而[10]則認為具有適應復雜情況的能力。認知雷達與完全自適應雷達的區別還在于，認知雷達應 "學會調整操作和處理參數，并能在較長時間內做到這一點"[1]。因此，學習和存儲知識是一個必備要素[13, 15]。

與此同時，Gurbuz 等人[11] 綜述了與認知雷達有關的 83 種期刊和 238 篇會議論文。他們發現，大多數研究至少涉及某種形式的波形選擇、優化或設計。在這些研究中，通常使用收集到的認知來決定哪種波形適合當前環境。一種突出的方法是利用在時頻觀察到的雜波認知[5, 21,18, 20]。由于雷達界廣泛使用模糊函數（AF）來表示時頻景觀，因此幾乎所有此類研究都涉及設計或塑造發射波形的模糊函數。在本報告中，我們給出了一種基于 AF 塑造研究的深度學習方法，它可以復制任何迭代算法的結果。我們首先在文獻[7]中以容納記憶（AM）的名稱引入了這一概念，然后在本報告中對其進行了優化和改進。

下面，我們首先回顧一下它在學習方面提出的條件生成對抗網絡。接著，我們在第 2 節中提出了認知接收波形，并觀察到為了最小化總干擾功率（PTD），應基于雜波認知設計離散時間模糊函數。然后，我們提出了一種基于 cGAN 的雙生成深度結構，它可以學習信號-AF 對并對其進行再生。這里我們將最小平方損失函數和 Wasserstein 損失函數作為模型損失函數。第 3 節專門報告給定方法的實證結果，其中我們研究了名為條件部分的特定結構超參數的影響。最后。第 4 節是本報告的結尾。

對于航空航天與國防（A&D）行業來說，數字孿生技術并不是一個新概念，但它的重要性卻與日俱增。簡單地說，數字孿生就是物理系統的虛擬復制品，它可以幫助優化物理系統的性能。由于數字孿生系統純粹存在于虛擬空間中，因此可以對其進行應力測試、評估和設計修改，而不會對安全造成影響，并且成本最優，這樣就可以在接觸物理資產本身之前完成所有實驗和重大決策。鑒于 A&D 面臨的眾多挑戰，包括供應鏈中斷、降低總擁有成本（TCO）的必要性、熟練勞動力短缺、勞動力老齡化、安全和法規要求、持續減少碳足跡以實現可持續增長的需要，在承諾采用物理解決方案之前以虛擬方式解決這些問題的能力使數字孿生成為推動行業實現其目標的寶貴工具。

數字孿生利用真實世界的運營數據進行模擬，預測可能出現的結果，這意味著所有結論都可以謹慎地應用到實體資產中。數字孿生利用人工智能（AI）、物聯網（IoT）等其他技術，以及增強現實（AR）、虛擬現實（VR）和混合現實（MR）等沉浸式技術，在數字世界和物理世界之間架起了一座橋梁。它們建立了一個閉環方法來協同數據、技術和業務流程。其結果可能是驚人的。

如今，大型航空原始設備制造商（OEM）正迫不及待地將數字孿生應用于其制造流程的各個環節。"我們的數字孿生使我們能夠為關鍵利益相關者，包括無人機和飛機飛行員、操作員、監管者以及UTM（無人機交通管理）服務提供商本身，對各種情況進行建模、仿真和縮放，"空客UTM仿真主管馬克斯-埃格羅夫-諾瓦解釋說。在國防工業中，數字孿生使兵力能夠在逼真但無后果的'戰爭游戲'結構中演繹一系列作戰場景和敵方反應，讓部隊在高風險的戰斗中做好更充分的準備。

不過，數字孿生的范圍并不局限于地面事務。美國航空航天公司洛克希德-馬丁（Lockheed Martin）正與軟件企業英偉達（NVIDIA）合作開發人工智能（AI）驅動的地球觀測數字孿生系統，以幫助模擬全球環境狀況的潛在發展，如極端天氣事件。

機場運營商也在利用這項技術。溫哥華機場管理局推出了溫哥華國際機場（YVR）的數字孿生。該平臺使機場的旅客體驗團隊能夠預測并緩解 2022 年旅游旺季安檢站的旅客擁堵情況。YVR 還開始使用數字孿生來模擬飛機起降和機場活動，從而減少溫室氣體（GHG）排放。

2022 年，我們啟動了一項研究，以評估數字孿生在各行各業（包括航空與發展）中的優勢，并說明該技術如何成為智能產業轉型的核心。我們的最新報告深入研究了 A&D 行業，探討了正在改變行業動態的數字孿生應用案例。在參與第二次調查的 150 家 A&D 組織中，80% 正在實施數字孿生計劃。

執行總結

A&D 行業已經習慣了由供應鏈合作伙伴組成的復雜生態系統所固有的壓力，并面臨著苛刻的監管和認證挑戰。然而，大流行病造成了額外的嚴重破壞，對商業航空業的打擊最大。18 個月前，我們的數字孿生研究強調了該技術推動績效和可持續發展的能力。隨著航空和研發行業從大流行病的影響中恢復過來，我們希望了解其與數字孿生的四點關系：

• 企業是否繼續投資數字孿生？
• 如果是，是什么推動了這些投資？
• 數字孿生能在哪些領域帶來價值？
• 企業如何才能成功地擴展其舉措？

我們的研究表明，人們對數字孿生在研發領域的潛力仍然充滿信心。制定了數字孿生長期路線圖的企業比例從十八個月前的 57% 上升到現在的 73%。這種對數字孿生部署的興趣是由上下兩方面驅動的。78%的企業認為，技術進步是數字孿生投資的首要驅動力，其次是運營效率，占 75%。除此以外，數字孿生還在兩個方面為可持續發展做出了貢獻：減少航空業的碳足跡，以及對綠色航空替代品（如電動電池和氫燃料）的設計進行虛擬驗證。數字孿生將物理世界和虛擬世界連接起來，提高了設計和運營效率。A&D 原始設備制造商、供應商、太空公司和航空公司都在有目的地投資數字孿生技術。總體而言，該行業計劃將其收入的 2.7% 投資于數字孿生計劃，比上一年猛增 40%。

通過將各種數字孿生技術相結合，航空與發展行業 可以改善其價值鏈的方方面面--從設計 從設計到生產再到運營；該技術還支持 生態系統內的協作，這是在新的商業環境中蓬勃發展的關鍵因素。在新的商業環境中蓬勃發展的關鍵因素。

研究還探討了工業元宇宙，它為數字孿生增添了一個新的層面。這為數字孿生增添了一個新的層面，意味著企業可以在更加逼真的環境中進行互動--"數字孿生 "的 "元宇宙"。孿生互聯網"。我們的 我們的研究發現，每三個組織中就有一個正在研究 或計劃在年內這樣做。身臨其境的培訓和真實測試是他們特別感興趣的領域。特別感興趣的領域。

雖然數字孿生應用廣泛，但企業要充分發揮其潛力，還需要一些先決條件。包括數字連續性、云、連接性和技術能力在內的支持性基礎設施是必要的基礎，可實現數字孿生與各種系統的無縫集成。然后，能夠從各種來源類型向孿生提供數據的數字線程，以及推動敏捷文化的項目管理也至關重要。飛機原始設備制造商還可以推動互操作性，并與供應商、同行、顧問和系統集成商合作，以發揮協同效應。一級供應商需要重點建設數據集成、模擬和項目管理等一系列能力，以便與飛機原始設備制造商和二級供應商無縫合作。國防組織需要加強網絡安全，同時發展人工智能和 ML 能力。通過專注于這些方面，所有行業參與者都能進入我們稱之為 "智能工業 "的轉型新時代。

為了解決如何利用現有數據的增長來建立有用的模型的問題，一個自動發現模型和管道的方法是有序的，它可以利用這些數據。我們已經探索了自動發現模型和管道所需的許多方面：建立一個模型知識庫和基于推薦系統方法的模型排名，通過數據集的圖形表示進行模型推薦，通過擴展基于樹的管道優化工具（TPOT）和基于強化學習的方法進行管道生成。我們探索了一種預算意識到的超參數調整算法和神經網絡的不確定性估計。我們探索了不同的訓練方法，包括無梯度優化、零點學習和持續學習。我們還解決了神經網絡架構的問題。我們將所有這些結合起來，形成了一個模塊化的自動機器學習（AutoML）系統，該系統支持廣泛的任務類型，在項目評估中一直處于前三名。

視覺分析是一門通過交互式視覺界面促進分析推理的科學。北約科技組織調查、研究并促進可視化分析方面的合作--促進知識提取和數據分析，以便及時理解態勢并作出有效決策。因此，本報告目標是研究、開發和應用探索性視覺分析技術：1）利用和理解大量復雜的數據，即大數據；2）幫助隱性知識顯性化；3）提供敏銳的態勢感知；4）支持廣泛的國防領域的知情決策，包括網絡、海事、基因組學和社交媒體領域，以及仿真數據的后期分析和現場可視化。

報告簡介

1 背景

信息優勢是軍事優勢的關鍵因素之一；利用來自多個來源的所有相關信息是北約信息優勢的一個關鍵因素。可視化和可視化分析研究對于滿足2015年北約在信息分析（IA）和決策支持（DS）方面的重點目標的需求至關重要：關于決策支持的IA&DS-1和關于大數據和長數據處理與分析的IA&DS-2。

視覺分析（VA）是一門通過交互式視覺界面促進分析推理的科學[1]。VA有三個主要組成部分，即交互式可視化、分析性推理和計算性分析[2]。在專家組所考慮的VA背景下：

• 可視化關注的是使用數據的交互式視覺表現來放大認知[3]。
• 分析推理和計算分析的工作是支持數據探索、分析和理解。

2 目標

北約研究任務組（RTG）探索性視覺分析調查、研究和促進了知識提取/發現和數據分析方面的合作，以便及時了解情況，支持有效決策。該小組探索了可視化如何有效地傳達信息：利用人類的感知和增強人類的認知，即把可視化和用戶的心理模型結合起來（見第2章和[4]）。因此，目標是研究、開發和應用探索性視覺分析技術：1）利用和理解大量復雜的數據集，即大數據；2）幫助隱性知識顯性化；3）提供敏銳的態勢感知，以及4）支持廣泛的不同國防領域的知情決策，如海事、社交媒體、基因組學和網絡領域，以及模擬數據的后期分析和現場可視化。

3 本報告的目的

本技術報告的目的是討論研究小組進行的研究、開發和應用探索性視覺分析的工作，這些數據集涉及到

• 簡易爆炸裝置資源（NATO C-IED COE）。
• 社交媒體；以及
• 網絡和海事及情報行動。

這項工作證明了探索性視覺分析在檢測、監測、分析和理解大型復雜數據集（即大數據）方面的有效性，以提高對態勢的認識和決策支持。

本報告還將討論該小組在以下方面的工作：

• 1）可視化和視覺分析技術的研究和開發。

• 2）提高對研究小組工作的認識。

  • 通過在著名的國際會議上發表論文，如IEEE VIS；以及

  • 為北約的兩個系列講座（IST-143和IST-170）作出貢獻。

• 3）促進視覺分析和可視化技術在北約國防和安全領域及其他領域的開發和應用。

• 4）拓寬對可視化和可視化分析的理解和探索的視野。

• 5）利用新想法的產生。

• 6）通過以下方式發展北約小組間/組內合作。

  • 組織（并在其中介紹小組的工作）一次北約專家聯合小組會議（IST-HFM-154：網絡符號學）和一次北約小組間/組間研討會（IST-178：大數據挑戰--情況意識和決策支持）。

  • 參加其他國家組織的北約活動；以及

  • 與來自不同小組的許多RTG組織聯合會議。

4 本報告結構

報告中的各章總結了在這個RTG過程中進行的工作。

第2章討論了視覺分析的人因考慮。它首先定義了人為因素，并描述了人為因素/以用戶為中心的設計過程。它討論了一些關于設計過程的常見迷思，供設計者注意和避免。視覺分析系統的用戶很多，也很多樣化，所以了解任何項目的用戶對于確保輸出產品的有用性和可用性是最重要的。本章提供了關于如何最佳地顯示信息的標準、指南、啟發式方法和最佳實踐的參考資料。本章還包括討論和數字，描述了對特定數據集使用立體三維可視化的優勢。最后，有一節是關于如何評估可視化的有用性和可用性。包括情況意識和工作負荷指標的資源。

第3章討論了海事領域的信息可視化和視覺分析。

第4章和第5章關注社會媒體數據和模擬數據。

第6章討論了可視化分析和深度學習之間的相互作用。

第7章討論了網絡態勢感知和網絡符號學。

第8章和第9章探討了視覺分析和可視化在北約數據中的應用，如：

• 簡易爆炸裝置（NATO C-IED COE）；和
• 北約HFM-259數據。

這兩章討論了基于網絡訪問這些數據集的發展和由此產生的設計原則，這些數據集的用戶范圍很廣，從普通公眾到研究人員和政策制定者，即來自不同背景、具有不同專業水平和知識的人。對簡易爆炸裝置數據的分析采用了互動式講故事的方法來吸引普通公眾，而HFM-259數據的視覺分析/可視化也適合公眾參與。

第10章得出了結論并提出了建議。

海事領域的信息可視化和視覺分析

• 船舶交通監測與探索性分析的交互式可視化：文獻中提出的方法研究了海洋數據的可視化，以便交互式地探索它們的空間分布和時間演變，或者通過結合聚合和過濾能力促進它們的比較。以地圖為基礎的可視化占主導地位，偶爾也會以數據匯總的統計圖為補充。最近，基于圖形的海洋數據可視化也出現了。基于圖形的可視化可以將匯總統計與交通動態的可視化相結合。

• 海事模式檢測的可視化分析：視覺分析，將有效的海事數據可視化與數據分析相結合，有多種應用。文獻中討論的用途之一是運動模式搜索和匹配，與數據過濾相結合，能夠減少數據泛濫，幫助用戶關注相關的數據特征。這種方法根據經驗來定義運動模式，例如使用基于函數的定義或規則。運動模式也可以從數據中提取，例如使用數據聚類、聚合和過濾技術。地理特征被利用來支持模式的定義和可視化。不同的聚合技術可以被結合起來，有時還可以使用語義學，以支持數據探索。其他工作專門解決異常或不一致的模式檢測。例如，密切接觸的檢測或預測被應用于海上安全，用于船舶碰撞的識別和預防。

• 海事模式和移動性的三維可視化：很少有作品在海洋領域利用三維可視化，因為由此產生的可視化的復雜性增加，會對用戶體驗產生負面影響。領域無關的三維可視化被用來支持單一船只動力學參數的比較。時空立方體可視化對海洋事件的分析是有效的，因為它使空間和時間特征的當代可視化。在培訓中使用的沉浸式虛擬現實模型，可能比二維地圖更有效地支持用戶（和船只）的定向行動。

探索性媒體分析

網絡媒體是影響輿論以及反映輿論的最重要工具之一。這份報告分析了BBC、RussiaToday、DayKiev和delfi.lt（立陶宛的主要新聞門戶網站）對烏克蘭沖突動態的反映。采用了兩種不同的分析方法：共同發生網絡分析來反映沖突期間四個不同媒體渠道的語言變化，以及基于情感的故事情節（syuzhet）分析來監測BBC從2013年到2014年的情感變化。將沖突分為三個階段：開始（2013/11/21-2014/01/15）、升級（2014/01/16-2014/02/17）和占領克里米亞（2014/02/18-2014/02/28）。這些方法可以對媒體中的沖突動態進行可視化分析。從人工智能（AI）、自然語言處理（NLP）和大數據的可視化技術的應用中，可以更好地了解對沖突動態的看法和公眾對特定主題的情緒，以及信息分析的自動化。此外，其他類型的類似應用也是可能的。

仿真數據的可視化探索

仿真被廣泛用作生產前測試系統的一種安全且通常具有成本效益的手段，并作為一種估計其他無法訪問的系統的預期行為的方法。仿真的共同點是隨著時間的推移而發生的事件鏈，導致由仿真算法決定的結果。本章將詳細闡述使用可視化來分析仿真條件和結果，以及如何應用可視化分析（VA）來更好地理解高級仿真算法的內部生活。

有大量不同的工具用于仿真數據的可視化分析；然而，現有工具的適用性高度依賴于被分析的數據及其背景。通用的可視化軟件包并不總是能夠滿足人們的需求。通用的可視化軟件包并不總是容易被有效地用于特定領域的任務。如果沒有資源花在定制軟件上，最好的辦法是將不同的軟件組合成一個工具箱，共同滿足可視化需求。有時，尋找合適的工具必須延伸到自己的領域之外。本報告介紹了適用于批量仿真數據分析的一系列工具：時間線圖(TLG)、可視化工具箱（VTK）和ParaView、VisIt。

探索深度學習

視覺分析（VA）技術可以應用于增強與三個目標有關的深度學習方法：1）了解深度神經網絡的內部運作；2）解釋DL的結果；以及3）利用VA和DL之間的協同作用。

在VA和DL技術的交叉點上的應用如何能夠更好地理解深度神經網絡及其結果，并實現強大的應用。將VA與AI相結合的方法將成為未來國防和安全系統的關鍵驅動力，這些系統具有日益增長的任務復雜性所要求的高級處理能力，但人們不能盲目相信AI的預測而采取行動。

網絡態勢感知

網絡SA與人類的認知過程和數據處理有關。在復雜和動態的網絡環境中，通過敏銳的態勢感知，人類決策的質量和速度可以大大提高。初步評估發現，以用戶為中心的SA方法提供了分析、檢測、發現和識別模式、異常、違規和威脅以及相關事件的有效方法。這些可視化適用于提供關于網絡組件性能的詳細信息。另一方面，生態接口設計（EID）方法提供了有效的可視化，以指導用戶理解網絡應該如何運行，以及這些網絡實際如何運行;因此，分析人員可以很容易地看到網絡的運行層面，即整體態勢。這兩種方法在提供有關網絡情況的不同方面的認識和信息方面相輔相成。網絡符號有可能實現網絡態勢的可視化，盡管目前還沒有明確的方法或解決方案可以最好地實現這一點。

探索性視覺分析法分析簡易爆炸裝置事件

收集和分析有關事件的數據集可以幫助分析人員得出活動水平評估，進行趨勢分析，并對他們所監測的問題有更深入的了解。為了更好地了解簡易爆炸裝置（IED）攻擊的動態，并支持反簡易爆炸裝置（C-IED）的工作，本報告決定采用一種帶有敘事元素的探索性視覺分析方法。分析有關事件的數據集可以幫助得出活動水平評估，進行趨勢分析，并獲得更好的情況意識。探索性視覺分析的目的是讓用戶探索數據集，發現有趣的模式和見解。一些可視化分析工具提供了復雜的互動，可能會讓新用戶感到恐懼。敘事技術可以幫助新用戶開始使用一個新的交互式可視化應用程序，以了解數據集包含什么，以及如何利用探索性視覺分析工具的能力來對數據集進行新的分析。使用探索性視覺分析工具可以在北約反簡易爆炸裝置卓越中心（NATO C-IED COE）制作的烏克蘭簡易爆炸裝置事件數據集中發現有趣的模式，通過應用敘事技術作為交互式可視化工具的一部分將這些見解傳達給用戶。一旦用戶開始探索所提供的見解，他們會被邀請繼續探索，允許他們從數據中獲得更多發現。

創新產品的要求正在迅速發展，反映了許多工程學科的技術進步。這種變化的加速性伴隨著產品性能、復雜性和成本的增長。為了滿足新出現的需求，需要更快的設計過程來：徹底和準確地探索更大的設計空間，利用潛在的復雜的物理相互作用來獲得性能上的好處，并避免有害的相互作用，這些相互作用可能會通過后期的缺陷發現而大大增加產品成本[1]。現在，在開發過程的早期，通過在更高的層次上耦合更多的學科來獲得設計上的好處。但是，沒有一個數學框架來確定哪些學科、耦合水平或保真度水平是需要的，以捕獲對特定系統設計最關鍵的物理學，在哪里收集設計空間數據是最好的，或者如何在有限的計算資源下做出最佳的設計決策。目前，這些決定完全是基于工程經驗的。這種方法對于那些與以前的設計相似的系統來說效果還不錯，但對于獨特和創新的車輛和技術來說可能會失敗。

在這方面，多學科設計優化（MDO）的長期挑戰之一是在需要時有效地提高建模delity，以捕捉制約或實現特定產品概念的關鍵物理。當物理學沒有得到充分的建模或解決時，在整個設計空間中依靠低延性模型進行分析可能會導致設計不可行，或明顯的次優。在優化過程中，簡單地用更高的fdelity模型替換這些模型往往不是一個實用的策略，因為這些信息量更大的技術會帶來更高的計算成本。多效性方法提供了一個概念框架，通過明智地使用有限的高效性分析，同時利用低效性模型提供的信息來有效地優化產品。在這里，多目標方法被認為是屬于一個更大的方法類別，它協調一組信息源以加速計算任務。這些信息源使用計算方法（即數學描述和隨之而來的數值分析）和/或非計算方法（如物理實驗、分析解決方案和專家分析）來量化系統響應。

盡管已經開發了相當多的多重保真度方法，但它們的能力仍在討論之中，其潛力仍未得到充分開發[2], [3]。這促使人們對可以支持這些方法的比較和嚴格評估的基準問題感興趣。Beran等人[1]提議將用例和測試問題分為三類。L1問題，具有精確解的計算便宜的分析函數；L2問題，簡化的工程應用問題，可以用減少的計算費用執行；L3問題，更復雜的工程用例，通常包括多物理場耦合。北約AVT-331研究任務組 "軍用車輛系統級設計的目標驅動、多變量方法"，一直在進行協調活動，以收集和研究這三類問題的基準。本文提供了L1基準的概述，這些基準是分析性問題，與實際工程問題沒有明確的相似性，但支持跨領域的調查。文獻中提出了大量的L1基準問題，大多是與新型的多重保真度方法的介紹相結合的[4]-[23]。然而，目前還沒有一個全面的計算效率高的基準框架。

這項工作的目的是提出和討論一套具體制定和選擇的分析基準問題，以強調測試和評估廣泛的多德爾法的能力。該框架旨在提供一套標準問題、推薦的實驗設置和性能評估指標，以支持對不同計算方法的嚴格測試和比較。基準的選擇是為了體現在基于模擬的優化問題中經常遇到的數學特征和行為，這些特征和行為會對成功搜索和識別現實世界工程應用中的最優解提出挑戰。這些挑戰包括 (i) 解決維度詛咒[24]和與多維度方法相關的可擴展性；(ii) 處理目標函數的局部、多模態和不連續行為；以及(iii) 處理目標函數中可能存在的噪聲。基準的設計和選擇是為了簡單的實現，同時允許分離和研究不同的數學特征，以獲得關于不同的多德爾法的建模、設計和優化的性能的洞察力。所選的測試集包括：Forrester函數（連續和不連續）、Rosenbrock函數、Rastrigin函數（移位和旋轉）、Heterogeneous函數、一個耦合的彈簧-質量系統和Pacioreck函數（受噪聲影響）。

這套分析性L1基準的設計是為了評估多fdelity方法在面對所有這些數學特征時的弱點和優勢。本文還介紹了計算和比較這些方法的全局和優化精度的指標。全局精度指標提供了一個衡量近似最高fdelity函數的能力，也被認為是地面真實信息源。優化精度是一個以目標為導向的指標，衡量方法在搜索和找到全局最優時的效率和效果。

本文的其余部分組織如下。第2節說明了各個基準問題，包括它們的公式和它們的顯著數學特征。第3節介紹了關于建立基準實驗的建議，以便對各種方法進行公平和有意義的比較。第4節討論了不同的指標和標準，以評估和比較多重性建模和優化策略的性能。最后，第5節討論了結語。

建模與仿真即服務（MSaaS）體現了這樣一個理念：仿真應該由松耦合的共享組件、仿真服務在基于云的環境中為手頭的任務快速組成。然后，這些模擬作為組成的模擬服務，提供給人類和技術消費者。這方面的重要功能是讓仿真操作員發現和組合仿真服務并執行組合。我們用我們所說的MSaaS基礎設施能力來描述這一功能。按照逐步完善的理念，仿真服務的發現和組合可以在設計時使用與實施無關的仿真服務信息，在實施時使用與實施有關的仿真服務信息。執行環境也可以在設計時和實施時進行設置。因此，我們在描述MSaaS基礎設施的能力時，要說明它們是如何用于獨立于實施的和特定于實施的服務信息的。通過做這些闡述，我們打算更深入地了解如何進行模擬服務的發現、組成和執行。我們的結論是，盡管MSaaS基礎設施所需的大部分功能都可以通過現有的平臺和框架獲得，但為了實現MSaaS的愿景，有必要將這些功能作為服務，與（組成）仿真服務一起提供。

圖 1. 建模和仿真即服務 (MSaaS) 聯合框架，具有 MSaaS 門戶功能（發現、組合、執行）和用于數據管理、組合以及服務管理和控制的 MSaaS 基礎設施功能。

引言

對行動、訓練和演習的模擬支持具有很大的潛力，它可以支持和增強行動過程，并通過新的方面和擴展的接觸來加強訓練。隨著多國部隊的相互聯系越來越緊密，對國防活動的模擬支持被認為將變得越來越重要。

然而，建立和執行分布式模擬是一個漫長的過程，根據所涉及的系統的復雜性和特點，有各種障礙。由于系統的版本和設置可能在這期間被更新或改變，因此每次行動或演習都必須重復這一過程。跨網絡的系統連接也帶來了自己的一系列問題。所有這些挑戰使得在分布式模擬的生命周期中，有必要在每個地點配備熟練的技術人員，這增加了已經很復雜的后勤工作和有時漫長的操作和演習計劃。

建模與仿真服務（MSaaS）--尤其是北大西洋公約組織（NATO）的MSaaS聯盟框架--提出了一個愿景，即為行動、演習和培訓設置仿真應該是快速和容易的。該服務概念通過通用功能的標準化體現了可重用性，并通過松散耦合和標準化的服務描述體現了可組合性。

圖1說明了這一理念，供應商在云環境中共享仿真服務。仿真操作員使用一個基于網絡的門戶來發現并將仿真服務組合成一個仿真組合來執行。組成的仿真本身可以作為服務提供，以便重復使用。云環境促進了 "按需、隨地 "的模擬訪問。事實上，基于云的模擬和MSaaS被認為是 "巨大的挑戰"，對模擬軟件提出了新的要求，特別是對服務描述、服務發現和服務組合的需求。

門戶網站中發現、組成和執行模擬的功能是由MSaaS基礎設施能力的集合提供的，這些能力分為數據管理、組成以及服務管理和控制（SMC）的能力（圖1）。討論的主線是闡述這些MSaaS基礎設施能力應該是什么，目的是為了更好地理解在面向服務的環境中處理模擬的基本機制。我們的闡述是建立在早期的MSaaS經驗之上的。

在MSaaS的參考架構中，服務目前被稱為是獨立實施的。也就是說，服務是由其獨立于實施的服務描述來識別的，參考架構中列出了一些與建模和仿真相關的服務。當獨立于實施的服務描述被標準化并以機器可讀的格式表達時，可以建立工具來支持某種程度的自動發現和組成。這就支持了MSaaS快速仿真部署的愿景，并進一步支持了仿真操作員（圖1）在未來可能成為非技術培訓師或其他操作人員的愿景。

然而，為了對面向服務的標準和仿真協議世界中的開發者有用，這些標準和協議中的每一個都可能處于不同的特定實現抽象水平，MSaaS參考架構需要包括相應的抽象水平。此外，從概念建模到設計再到實現的步驟中所表達的逐步細化原則，進一步激勵了擁有多個抽象層次的服務概念。

因此，在闡述MSaaS基礎設施能力時，我們在考慮這些能力如何在模擬服務抽象的幾個層次上運作的同時，進行了闡述。這樣就能更好地理解服務抽象層次本身，以及基礎設施能力如何通過這些抽象層次進行逐步細化。

MSaaS依賴于北約國家和組織之間以及民用基礎設施之間共享的云基礎設施。這意味著模擬服務和它們的組合，以及基礎設施的能力，必須在適當的云應用成熟度水平的軟件中實現；例如，見Kratzke的云準備、云友好、云彈性、云本地分類。然而，我們在本文中的重點是了解功能層面的基礎設施能力（Kratzke參考模型中的服務構成和應用層）。確定MSaaS的適當的云應用成熟度水平是下一個重要步驟，在本文中沒有討論。

在認識論上，我們在這里的工作相當于建立格雷戈爾所說的分析型理論和設計與行動型理論。前者由 "是什么 "的概念化組成；在我們的案例中，"是什么 "不是一個物理實體，而是一個概念實體；即一個參考架構。后一種類型的理論描述了 "如何做 "事情，包括設計原則。這兩種類型的理論都不支持理論本身所表達的預測，這些預測可以用傳統的方式進行反駁。相反，可以說，它們通過假設概念化和設計有利于各種目的而暗示了元預測。我們提出的概念化是有益的，這可以通過從業者和研究者發現它有多大用處、它在解析性方面有多好、它有多有趣以及理論的其他質量方面來進行分析和經驗性的驗證。這種驗證必須由其他研究者和實踐者長期進行，并與不斷發展概念化的研究者合作。

在第2節中，我們回顧并闡述了MSaaS參考架構的服務概念，在這個概念中，服務可以在幾個抽象層次上被聲明--使用服務描述，從獨立于實施到具體實施。然后，我們在第3節中介紹了MSaaS的基礎設施能力，并在第4-6節中分別闡述了與服務抽象層次有關的組成數據、組合和SMC能力。我們在第7節中得出結論。

圖7. 建模和仿真即服務基礎設施功能之間的關系。